我选取了随机样本，并将其与10万个项目进行了测试，如下所示:

let array=[]
for (var i=1;i<100000;i++){

 let j= Math.floor(Math.random() * i) + 1
  array.push({"name":"Joe"+j, "age":j})
}

这里是每一个的性能结果:

  Vlad Bezden Time:         === > 15ms
  Travis J Time: 25ms       === > 25ms 
  Niet the Dark Absol Time: === > 30ms
  Arun Saini Time:          === > 31ms
  Mrchief Time:             === > 54ms
  Ivan Nosov Time:          === > 14374ms

另外，我想提的是，由于项目是随机生成的，第二名是在Travis和Niet之间迭代。

默认情况下，我开始在所有新项目中使用下划线，这样我就不必考虑这些小数据转换问题。

var array = [{"name":"Joe", "age":17}, {"name":"Bob", "age":17}, {"name":"Carl", "age": 35}];
console.log(_.chain(array).map(function(item) { return item.age }).uniq().value());

产生[17,35]。

原始类型

var unique = [...new Set(array.map(item => item.pritiveAttribute))];

对于复杂类型，例如对象

var unique = [...new DeepSet(array.map(item => item.Object))];

export class DeepSet extends Set {

  add (o: any) {
    for (let i of this)
      if (this.deepCompare(o, i))
        return this;
    super.add.call(this, o);
    return this;
  };

  private deepCompare(o: any, i: any) {
    return JSON.stringify(o) === JSON.stringify(i)
  }
}

这里有很多很棒的答案，但没有一个解决了以下问题:

有什么方法可以替代结构化数据吗

我将创建一个对象，其键是年龄，每个年龄指向一个名称数组。

数组var =[{“名称”:“乔”,“年龄”:17},{“名称”:“鲍勃”,“年龄”:17},{“名称”:“卡尔”,“年龄”:35}); Var map =数组。Reduce(函数(结果，项){ 结果项目。年龄= result[item.]年龄:|| []; 结果[item.age] .push (item.name); 返回结果; }, {}); console.log(种(地图)); console.log(地图);

通过这种方式，您已经将数据结构转换为非常容易从中检索不同年龄的结构。

这里有一个更紧凑的版本，它也存储了整个对象，而不仅仅是名称(如果你处理的对象有超过2个属性，所以它们不能存储为键和值)。

数组var =[{“名称”:“乔”,“年龄”:17},{“名称”:“鲍勃”,“年龄”:17},{“名称”:“卡尔”,“年龄”:35}); Var map =数组。Reduce ((r, i) => ((r[i])年龄]= r[i。年龄:|| []).push(i)， r)， {}); console.log(种(地图)); console.log(地图);

使用Lodash

var array = [
    { "name": "Joe", "age": 17 },
    { "name": "Bob", "age": 17 },
    { "name": "Carl", "age": 35 }
];

_.chain(array).map('age').unique().value();

返回(17日,35)

我只需要映射和删除dups:

var ages = array.map(function(obj) { return obj.age; });
ages = ages.filter(function(v,i) { return ages.indexOf(v) == i; });

console.log(ages); //=> [17, 35]

编辑:Aight !就性能而言，这不是最有效的方法，但在我看来，这是最简单、最易读的方法。如果你真的关心微观优化，或者你有大量的数据，那么一个常规的for循环将会更“有效”。